基于SDN和深度学习混合模型的DDoS攻击检测与防御

简介：
本研究提出了一种结合SDN与深度学习技术的创新方法，有效检测并防御DDoS攻击，提升网络安全防护能力。 软件定义网络（SDN）作为一种新兴的网络架构，在安全问题方面一直是研究的重点领域之一，包括控制通道安全性、伪造服务部署以及外部分布式拒绝服务攻击等问题。本段落针对SDN中的外部DDoS攻击问题提出了一种基于深度学习混合模型的方法——DCNN-DSAE。该方法在构建深度学习模型时不仅使用了从数据平面提取的21个不同类型的字段作为输入特征，还设计了5个额外流表特征以区分不同的流量类型。 实验结果显示，这种方法具有很高的准确率，并且优于传统的支持向量机和深度神经网络等机器学习技术。此外，该方法还能显著减少分类检测所需的时间。将这种检测模型部署在控制器中后，可以通过生成新的安全策略并将其下发到OpenFlow交换机来实现对特定DDoS攻击的防御措施。